Google kembali memperkuat persaingan di industri kecerdasan buatan dengan mengumumkan Gemini 4 Carbon pada 28 Oktober 2026. Model terbaru dari Google DeepMind ini dirancang untuk menangani pekerjaan teknis yang lebih kompleks, terutama pemrograman, tugas berbasis agen AI, dan keamanan siber.
Berbeda dari chatbot yang umumnya digunakan untuk menjawab pertanyaan atau membuat teks, Gemini 4 Carbon dikembangkan untuk menjalankan rangkaian pekerjaan dalam banyak tahapan. Google mengklaim model tersebut mampu bertahan mengerjakan persoalan rekayasa perangkat lunak selama berhari-hari, termasuk menelusuri sumber kesalahan dan memperbaiki bug dalam basis kode berukuran besar.
Kemampuan keamanan siber menjadi salah satu keunggulan yang paling disorot. Gemini 4 Carbon diklaim dapat menemukan kerentanan perangkat lunak, menguji potensi eksploitasi, serta membantu memperbaiki kode yang bermasalah.
Meski demikian, Google tidak langsung membuka aksesnya untuk seluruh pengguna. Perusahaan memilih meluncurkan model tersebut secara bertahap karena kemampuan teknisnya juga berpotensi disalahgunakan jika tidak disertai perlindungan yang memadai.
Gemini 4 Carbon Jadi Model Terbaru
Google memperkenalkan Gemini 4 Carbon sebagai model frontier terbaru dalam keluarga Gemini 4. Peluncurannya berlangsung sekitar dua minggu setelah perusahaan memperkenalkan Gemini 4 Argon.
Menurut Google DeepMind, Carbon merupakan model terkuat yang mereka umumkan pada saat peluncuran tersebut. Pengembangannya berfokus pada peningkatan kemampuan penalaran, pemrograman, pekerjaan berbasis agen, serta pemahaman multimodal.
Salah satu hasil yang ditonjolkan adalah peringkat pertama pada Artificial Analysis Intelligence Index versi 5.0 dengan skor 59. Indeks tersebut digunakan untuk membandingkan kemampuan berbagai model AI melalui sejumlah pengujian.
Google juga melaporkan peningkatan pada tugas pengembangan web. Gemini 4 Carbon memperoleh tambahan 89 poin Elo dan menempati posisi keempat pada WebDev Arena dengan skor yang dilaporkan sebesar 1.768.
Hasil tersebut menunjukkan bahwa pengembangan model AI tidak hanya berfokus pada kemampuan menghasilkan jawaban yang terdengar meyakinkan. Kemampuan menyelesaikan pekerjaan nyata, menghasilkan produk digital, dan menjalankan instruksi secara konsisten semakin menjadi ukuran penting.
Namun, angka benchmark tetap perlu dibaca berdasarkan metode pengujian masing-masing. Hasil yang dipublikasikan perusahaan belum tentu menggambarkan performa model dalam semua kondisi penggunaan sehari-hari.
Mampu Mengerjakan Coding Berhari-hari
Salah satu kemampuan baru yang menjadi perhatian adalah pengerjaan tugas jangka panjang atau long-horizon tasks. Istilah ini merujuk pada pekerjaan yang membutuhkan banyak langkah, keputusan, dan proses pemeriksaan sebelum mencapai hasil akhir.
Dalam pengembangan perangkat lunak, misalnya, sebuah masalah tidak selalu dapat diselesaikan dengan menulis beberapa baris kode. Pengembang mungkin harus membaca struktur proyek, menemukan sumber kesalahan, memahami hubungan antarkomponen, menguji perubahan, kemudian memastikan perbaikannya tidak menimbulkan masalah baru.
Google menyebut tim internalnya telah menguji Gemini 4 Carbon untuk menangani persoalan rekayasa yang rumit. Model tersebut dilaporkan mampu bekerja selama berhari-hari dalam upaya menemukan akar masalah dan memperbaiki bug pada basis kode besar serta sistem tingkat rendah.
Kemampuan ini berkaitan dengan konsep agentic AI. Sistem tidak hanya memberikan saran, tetapi juga dapat menjalankan rangkaian tindakan melalui alat yang tersedia untuk mencapai tujuan tertentu.
Dalam alur kerja seperti ini, AI dapat membantu memecah pekerjaan menjadi beberapa tahap, memeriksa hasil, dan melanjutkan proses ketika menemukan hambatan. Pengguna tetap perlu memberikan batasan dan melakukan pengawasan, terutama ketika tindakan yang dilakukan berdampak pada sistem produksi.
Jika kemampuan tersebut berjalan sesuai klaim, Gemini 4 Carbon berpotensi membantu pengembang menghemat waktu dalam pekerjaan pemeliharaan perangkat lunak dan penyelesaian masalah teknis.
Keamanan Siber Jadi Keunggulan Utama
Google memberikan perhatian besar pada kemampuan keamanan siber Gemini 4 Carbon. Model ini dirancang untuk mendukung beberapa tahapan dalam proses pertahanan perangkat lunak, mulai dari menemukan kerentanan hingga membantu memperbaiki sumber masalah.
Dalam pengujian yang dipublikasikan Google, Carbon mencatat skor 88,2 persen pada SEC-bench Pro untuk tugas menemukan kerentanan. Pada ExploitGym, model tersebut memperoleh 54,8 persen untuk pengujian kemampuan mengevaluasi potensi eksploitasi.
Sementara itu, pada CWE-bench, Gemini 4 Carbon meraih skor 71 persen dalam tugas yang berkaitan dengan perbaikan kerentanan perangkat lunak.
Ketiga hasil tersebut memperlihatkan fokus Google pada penggunaan AI untuk membantu tim keamanan mengidentifikasi dan menangani masalah lebih cepat.
Google juga menyatakan bahwa kemampuan menghasilkan kode yang aman meningkat lebih dari dua kali lipat dibandingkan Gemini 4 Argon berdasarkan benchmark internal perusahaan.
Tim Chrome bahkan melaporkan bahwa Carbon menunjukkan performa lebih dari 10 kali lebih baik dibandingkan model frontier dari laboratorium AI lain dalam pengujian internal untuk menghasilkan patch berkualitas tinggi.
Meski terdengar mengesankan, angka tersebut merupakan klaim dan hasil pengujian yang dipublikasikan Google. Evaluasi independen tetap diperlukan untuk mengetahui konsistensi performanya di berbagai lingkungan perangkat lunak.
Mengapa Aksesnya Dibatasi?
Kemampuan AI dalam menemukan kerentanan dapat memberikan manfaat besar bagi tim pertahanan siber. Namun, teknologi serupa juga berpotensi digunakan pihak yang ingin menyerang sistem komputer.
Model yang mampu mengidentifikasi kelemahan perangkat lunak dan mengevaluasi kemungkinan eksploitasi dapat membantu perusahaan memperbaiki sistem lebih cepat. Di sisi lain, kemampuan tersebut dapat disalahgunakan untuk mencari celah pada layanan yang tidak memiliki izin pengujian.
Atas pertimbangan itu, Google menerapkan peluncuran bertahap. Pada tahap awal, Gemini 4 Carbon diberikan kepada sebagian kecil pakar keamanan siber melalui Fairwind Program.
Akses selanjutnya direncanakan diperluas kepada mitra tepercaya. Google menyatakan akan terus mengumpulkan masukan dan menyempurnakan mekanisme perlindungan sebelum menyediakan model tersebut bagi pengembang, perusahaan, dan konsumen secara lebih luas.
Perusahaan juga menyebut keterlibatannya dalam proses pengujian model sebelum peluncuran yang bersifat sukarela bersama pemerintah Amerika Serikat.
Pendekatan tersebut menunjukkan bahwa semakin tinggi kemampuan sebuah model AI, semakin besar pula kebutuhan untuk memastikan penggunaannya tidak menimbulkan risiko baru.
Google Perkuat Sistem Pengamanan
Selain membatasi distribusi, Google mengklaim telah meningkatkan sistem keselamatan Gemini 4 Carbon. Perlindungan tersebut mencakup pelatihan model, mekanisme pencegahan penyalahgunaan secara langsung, ketahanan terhadap prompt injection, serta pemantauan perilaku model.
Salah satu perhatian perusahaan adalah mengurangi kecenderungan AI mengambil jalan pintas atau memberikan klaim yang tidak didukung bukti.
Dalam pengujian internal, Google menyebut Carbon mampu mengurangi klaim tanpa dukungan bukti sekitar dua kali lipat dibandingkan Argon. Model juga diklaim lebih baik dalam menyampaikan keterbatasan informasi daripada mengarang jawaban ketika tidak memiliki bukti yang cukup.
Pada pengujian ketahanan terhadap serangan indirect prompt injection dari Gray Swan, Google melaporkan tingkat keberhasilan serangan sebesar 0 persen dalam skenario yang dievaluasi.
Angka tersebut tidak berarti model kebal terhadap seluruh bentuk serangan. Hasilnya hanya menggambarkan performa pada pengujian tertentu dan tidak menjamin keamanan mutlak dalam setiap penggunaan.
Bagi perusahaan yang mengandalkan AI untuk pekerjaan teknis, aspek ini sama pentingnya dengan kemampuan menghasilkan kode. Sistem harus mampu mengikuti instruksi yang sah, mengenali risiko, dan tidak melakukan tindakan di luar batas yang diberikan pengguna.
Harga dan Ketersediaan Gemini 4 Carbon
Google menyatakan Gemini 4 Carbon akan menggunakan harga perkenalan yang sama dengan Gemini 4 Argon. Tarif awalnya sebesar 2 dolar AS per satu juta token input dan 10 dolar AS per satu juta token output.
Setelah periode harga perkenalan berakhir, tarif direncanakan meningkat menjadi 4 dolar AS per satu juta token input dan 20 dolar AS per satu juta token output. Google juga menawarkan potongan 95 persen untuk token input yang menggunakan mekanisme cached input dibandingkan harga input reguler.
Meski harga sudah diumumkan, akses untuk pengembang dan konsumen umum belum dibuka pada tahap awal pengumuman. Google menyatakan ketersediaan lebih luas akan menyusul setelah proses pengujian dan penyempurnaan perlindungan.
Dengan demikian, pengguna yang ingin mencoba kemampuan Gemini 4 Carbon masih harus menunggu pengumuman resmi mengenai perluasan akses.
Persaingan AI Semakin Ketat
Peluncuran Gemini 4 Carbon memperlihatkan persaingan perusahaan teknologi dalam mengembangkan model AI yang mampu menyelesaikan pekerjaan kompleks. Google kini berhadapan dengan berbagai pengembang model frontier, termasuk OpenAI dan Anthropic.
Persaingan tersebut tidak lagi hanya berkaitan dengan kemampuan menjawab pertanyaan atau menghasilkan tulisan. Kemampuan menjalankan tugas secara mandiri, memahami kode, mengoperasikan alat digital, dan membantu menjaga keamanan sistem menjadi bidang yang semakin diperhatikan.
Bagi pengembang perangkat lunak, model seperti Gemini 4 Carbon berpotensi menjadi asisten untuk mempercepat proses pengembangan dan pemeliharaan aplikasi. Sementara itu, tim keamanan siber dapat memanfaatkannya sebagai pendukung dalam menemukan serta memperbaiki kerentanan.
Namun, manfaat tersebut harus berjalan beriringan dengan pengawasan manusia dan perlindungan yang memadai. Kemampuan AI yang semakin tinggi tidak otomatis menjamin setiap tindakan yang diambilnya selalu benar atau aman.
Gemini 4 Carbon menjadi langkah baru Google dalam mengembangkan AI untuk pekerjaan teknis tingkat lanjut. Seberapa besar dampaknya bagi industri masih akan bergantung pada hasil penggunaan nyata, evaluasi independen, serta kebijakan akses yang diterapkan perusahaan.
